Der Customer Lifetime Value wird fast überall gleich berechnet: durchschnittlicher Warenkorbwert mal Kaufhäufigkeit pro Jahr mal Kundenlebensdauer in Jahren. Die Formel ist richtig. Das Problem sind die drei Zahlen, die Du in sie einsetzt. In echten Shopdaten hält keine der drei Annahmen stand, auf denen sie beruht. Dieser Beitrag zeigt an 66.716 Bestellungen von 28.016 Kunden, wo genau sie bricht und womit Du stattdessen rechnest.
Was in den Ratgebern steht, und woher die Zahlen dort kommen
Ich habe mir angesehen, was auf Seite 1 der deutschen Google-Ergebnisse zu „customer lifetime value berechnen“ tatsächlich steht (abgerufen am 26.08.2026). Das Bild ist erstaunlich einheitlich. Alle rechnen dieselbe Formel vor, und alle benutzen dafür ausgedachte Zahlen.
Das meistzitierte Beispiel lautet: 70 € Warenkorbwert, vier Bestellungen pro Jahr, fünf Jahre Kundenlebensdauer, macht 1.400 €. Eine zweite verbreitete Variante rechnet 80 € mal vier mal drei Jahre minus 15 € Akquisekosten, macht 945 €. (Quelle: gruenderplattform.de) Beide Zahlenreihen stammen aus keinem Shop. Sie sind Platzhalter, die die Formel illustrieren sollen.
Google übernimmt diese Beispielrechnung inzwischen in die KI-Übersicht über den Suchergebnissen. Wer am 26.08.2026 nach „customer lifetime value berechnen“ sucht, bekommt dort die Formel „Deckungsbeitrag mal Wiederkaufsrate mal Kundenlebensdauer minus Kundenakquisitionskosten“ ausgespielt, belegt mit genau jener 945-Euro-Rechnung. Wer diese Zahl liest, liest also nicht das Ergebnis einer Messung, sondern das Ergebnis einer Illustration, die eine Zwischenstation in einer Suchmaschine genommen hat.
Das ist keine Kleinigkeit. Denn wenn Du diese Formel mit den Werten Deines eigenen Shops füllst, bekommst Du eine Zahl, die zwar rechnerisch stimmt, aber niemanden beschreibt. Warum, zeigen die nächsten drei Abschnitte.
Abbildung 1: Die drei Annahmen der Standardformel und die Befunde aus den ausgewerteten Bestelldaten. Jede der drei Annahmen wird von den Daten desselben Shops widerlegt.
Woher die Zahlen in diesem Beitrag stammen
Bevor es losgeht, damit Du weißt, was Du hier liest. Die Zahlen kommen aus zwei Quellen.
Die erste ist der Shopify-Shop von omega3zone, einem Anbieter für Omega‑3‑Präparate. Ausgewertet wurden alle Bestellungen vom 01.01.2021 bis zum 14.08.2026, also 66.716 Bestellungen von 28.016 Kunden. Die Inhaberschaft hat der Auswertung, der namentlichen Nennung und der Veröffentlichung ausdrücklich zugestimmt. Es sind echte Bestelldaten aus einem laufenden Mandat, keine Modellrechnung und kein Branchendurchschnitt. (Quelle: Bestelldaten omega3zone)
Wie gerechnet wurde: Stornierte und annullierte Bestellungen sind aus allen Wiederkaufrechnungen ausgeschlossen. 1,8 Prozent der Bestellungen tragen keine Kundenkennung und bleiben aus allen kundenbezogenen Rechnungen draußen. Zeitfenster sind exakt in Tagen gerechnet, also 30, 90, 180, 365, 730 und 1.095 Tage ab der ersten Bestellung. Fenster, die am Stichtag noch nicht abgelaufen waren, sind als offen gekennzeichnet und nicht hochgerechnet.
Die zweite Quelle ist eine Breitenmessung über die Shop-Datenbank Storeleads vom 15.08.2026: 99.109 aktive deutsche Shopify-Shops, davon 2.528 ab rund einer Million Euro Jahresumsatz. Diese 2.528 sind die Grundgesamtheit, wenn im Text von Verbreitung die Rede ist. (Quelle: storeleads.app)
Und eine Einschränkung gleich vorweg: Ein Shop ist keine repräsentative Stichprobe. Die Größenordnungen unten sind belastbar, die Nachkommastellen gelten für diesen einen Shop.
Annahme eins bricht: Es gibt keine durchschnittliche Kaufhäufigkeit
Die Formel setzt voraus, dass ein typischer Kunde eine bestimmte Anzahl Bestellungen pro Jahr aufgibt. In den Daten sieht die Verteilung so aus:
59,0 Prozent aller Kunden haben genau einmal bestellt. 17,0 Prozent genau zweimal. 7,9 Prozent dreimal, 4,6 Prozent viermal, 3,0 Prozent fünfmal. 8,5 Prozent haben sechsmal oder öfter bestellt.
Abbildung 2: Verteilung der Bestellungen je Kunde. 59,0 Prozent bestellen genau einmal, 8,5 Prozent sechsmal oder öfter.
Rechne einmal nach, was ein Mittelwert daraus macht. Die Mehrheit kauft einmal, eine kleine Gruppe kauft sehr oft, und der Durchschnitt landet irgendwo dazwischen, bei einem Wert, den kaum jemand tatsächlich hat. Du bekommst eine Zahl, die weder die Einmalkäufer beschreibt noch die Stammkundschaft.
Für Entscheidungen ist das gefährlich, weil beide Gruppen gegensätzliche Maßnahmen benötigen. Bei den 59 Prozent geht es darum, überhaupt einen zweiten Kauf auszulösen. Bei den 8,5 Prozent geht es darum, den Abstand zwischen den Käufen zu halten und den Warenkorb zu vergrößern. Ein mittlerer CLV verwischt genau diesen Unterschied.
Die brauchbare Größe ist deshalb nicht der Mittelwert, sondern der Anteil: Wie viele Deiner Erstkäufer kommen überhaupt wieder? In diesem Shop haben 41,0 Prozent aller Kunden im gesamten Auswertungszeitraum mehr als einmal bestellt. Und weil Wiederkäufer mehrfach bestellen, stammen 57,2 Prozent aller Bestellungen von ihnen.
Annahme zwei bricht: Die Kundenlebensdauer kannst Du nicht messen, solange sie läuft
Die dritte Größe der Formel ist die schwierigste: die Kundenlebensdauer in Jahren. Du kannst sie erst kennen, wenn nicht mehr gekauft wird. Und Du weißt nie, ob nicht doch noch einmal gekauft wird.
Deshalb wird sie in den Ratgebern über einen Umweg geschätzt: eins geteilt durch eins minus Kundenbindungsrate. Bei einer Bindungsrate von 80 Prozent kommen fünf Jahre heraus. Das ist eine saubere Formel für Abonnements mit monatlicher Kündigung. Für einen Shop, in dem Menschen unregelmäßig kaufen, beschreibt sie nichts.
Was stattdessen funktioniert, sind Kohorten mit festen Zeitfenstern. Du nimmst alle Kunden, die in einem Jahr zum ersten Mal gekauft haben, und zählst, wie viele davon innerhalb von 30, 90, 365 oder 730 Tagen erneut bestellt haben. Für diesen Shop sieht das so aus:
Abbildung 3: Wiederkaufquote nach Erstkäufer-Jahrgang und Zeitfenster, gerechnet ab der jeweils ersten Bestellung. Stichtag ist der 14.08.2026.
Der Jahrgang 2022 mit 4.365 Erstkäufern kommt auf 6,5 Prozent nach 30 Tagen, 17,3 Prozent nach 90 Tagen und 30,4 Prozent nach einem Jahr. Der Jahrgang 2023 mit 4.611 Erstkäufern liegt bei 7,2 Prozent, 24,0 Prozent und 40,4 Prozent. Der Jahrgang 2024 mit 5.486 Erstkäufern bei 7,5 Prozent, 22,5 Prozent und 38,7 Prozent. Der Jahrgang 2025 mit 6.204 Erstkäufern bei 6,4 Prozent, 22,1 Prozent und 40,7 Prozent.
Wichtig ist der Umgang mit den längeren Fenstern. Vom Jahrgang 2024 hatten am Stichtag erst 3.465 der 5.486 Erstkäufer das 24-Monats-Fenster vollständig durchlaufen. Von diesen 3.465 haben 1.483 erneut bestellt, das sind 42,8 Prozent. Die Bezugsgröße ist also kleiner als die Kohorte, und das muss dastehen, sonst rechnest Du Dich reich.
Zwei Dinge fallen an diesen Reihen auf. Erstens ist die Ein-Jahres-Quote seit 2023 stabil zwischen 38,7 und 40,7 Prozent. Zweitens verschiebt sich der Zeitpunkt: Der Median zwischen erster und zweiter Bestellung lag beim Jahrgang 2022 bei 98 Tagen und beim Jahrgang 2025 bei 77 Tagen. Das 75. Perzentil ist im selben Zeitraum von 249 auf 149 Tage gefallen. Die Kundschaft kommt also nicht häufiger wieder, aber schneller.
Kurz zur Einordnung, falls Perzentile für Dich kein Alltagswerkzeug sind: Der Median ist der Wert, bei dem die Hälfte aller Wiederkäufe schon passiert ist. Das 75. Perzentil ist der Wert, bei dem drei Viertel erreicht sind. Beide sagen mehr als ein Durchschnitt, weil einzelne sehr späte Zweitkäufe einen Mittelwert nach oben ziehen, den Median aber nicht.
| Erstkäufer-Jahrgang | 25. Perzentil | Median | 75. Perzentil | 90. Perzentil |
|---|---|---|---|---|
| 2022 | 40 Tage | 98 Tage | 249 Tage | 608 Tage |
| 2023 | 41 Tage | 87 Tage | 210 Tage | 492 Tage |
| 2024 | 40 Tage | 85 Tage | 187 Tage | 369 Tage |
| 2025 | 41 Tage | 77 Tage | 149 Tage | 238 Tage |
| alle Jahrgänge | 40 Tage | 83 Tage | 181 Tage | 370 Tage |
Tabelle 1: Tage zwischen erster und zweiter Bestellung, nur Kunden mit mindestens zwei Bestellungen. (Quelle: Bestelldaten omega3zone, Stichtag 14.08.2026)
Diese Verschiebung ist eine Zahl, mit der Du arbeiten kannst. Sie sagt Dir, wann eine Nachfass-Strecke greifen muss.
Für diesen Shop heißt das: Wenn die Hälfte der Zweitkäufe bis Tag 77 passiert und drei Viertel bis Tag 149, dann liegt der erste Anstoß nicht bei Tag 30 und der letzte nicht bei Tag 365. Eine Strecke, die zwischen Tag 45 und Tag 150 arbeitet, deckt den Bereich ab, in dem die Entscheidung tatsächlich fällt. Rechne diese beiden Werte für Deinen eigenen Shop aus, bevor Du eine E-Mail-Strecke terminierst. Sie sind der einzige Grund, den Du für den Versandzeitpunkt brauchst, und sie schlagen jede Empfehlung aus einem Blogbeitrag, in dem der Verbrauchszyklus Deines Produkts nicht vorkommt.
Annahme drei bricht: Der Warenkorbwert ist nicht konstant
Die Formel unterstellt einen durchschnittlichen Warenkorbwert über die gesamte Kundenbeziehung. In den Daten steigt er mit jeder Bestellung.
Setzt Du den Wert der ersten Bestellung auf 100, liegt die zweite Bestellung bei 121, die dritte bei 129 und die vierte bei 133. Grundlage sind 27.837 Erstbestellungen. Der Index rechnet mit dem Bestellwert inklusive Versand und Steuern.
Abbildung 4: Bestellwert-Index nach Position der Bestellung, erste Bestellung gleich 100. Der Wert steigt bis zur vierten Bestellung um ein Drittel.
Wenn Du also den Warenkorbwert Deiner Erstbestellungen in die Formel einsetzt, unterschätzt Du jeden Folgekauf um rund ein Fünftel bis ein Drittel. Bei einer Kundenbeziehung mit vier Bestellungen summiert sich das auf gut 20 Prozent Fehler, und zwar systematisch nach unten.
Der zweite Effekt in dieselbe Richtung sind Stornos und Erstattungen. Erstbestellungen werden in diesem Shop zu 0,97 Prozent storniert, Folgebestellungen nur zu 0,55 Prozent. Bei den Erstattungen liegen die Werte bei 0,73 gegenüber 0,57 Prozent. Die Stornoquote bei Folgebestellungen liegt damit 43 Prozent unter der von Erstbestellungen. Ein Wiederkauf bringt also nicht nur mehr Umsatz pro Bestellung, sondern auch verlässlicheren.
| Quote | Erstbestellungen | Folgebestellungen |
|---|---|---|
| storniert | 0,97 % | 0,55 % |
| erstattet oder teilerstattet | 0,73 % | 0,57 % |
Tabelle 2: Storno- und Erstattungsquoten im Vergleich. (Quelle: Bestelldaten omega3zone, 01.01.2021 bis 14.08.2026)
Was das zusammengenommen bedeutet
Über die letzten zwölf Monate stammen in diesem Shop 69,7 Prozent des Umsatzes von Kunden mit mehr als einer Bestellung, bei einem Bestellanteil von 65,4 Prozent. Die Differenz zwischen beiden Zahlen ist genau der Warenkorbeffekt von oben.
Die Entwicklung dahin lässt sich über die Jahre nachvollziehen. 2021 stammten 39,9 Prozent der Bestellungen von Wiederkäufern, 2022 waren es 51,4 Prozent, 2023 dann 54,9 Prozent, 2024 schon 59,5 Prozent, 2025 waren es 62,2 Prozent, und im laufenden Jahr bis zum 14.08.2026 sind es 65,8 Prozent. Das ist ohne Abo-Modell erreicht worden.
Auf der Umsatzebene passen dazu ein Wachstum von 172 Prozent zwischen 2022 und 2025 und ein um 59 Prozent gestiegener Warenkorbwert im selben Zeitraum. Diese beiden Werte stammen aus der Fallstudie zum selben Shop.
Ein Befund aus derselben Auswertung ist unbequem und gehört trotzdem hierher. Zwischen 2021 und 2022 gab es eine deutlich negative Korrelation zwischen starkem Neukundenzuwachs und der 90-Tage-Wiederkaufquote der jeweiligen Monatskohorte, nämlich minus 0,50 über 24 Monate. In den Monaten mit dem stärksten Zuwachs lag die Quote bei 13,8 Prozent, in den übrigen Monaten bei 24,9 Prozent. Ab 2023 verschwindet dieser Zusammenhang. Über 41 Monate liegt die Korrelation bei minus 0,10, und die beiden Gruppen unterscheiden sich fast nicht mehr: 22,6 gegenüber 22,9 Prozent.
Eine Korrelation ist keine Ursache, das ist hier ausdrücklich gesagt. Aber die Beobachtung passt zu dem, was viele Shops kennen: Ein schneller Akquiseschub bringt zunächst Kundschaft mit schlechterem Wiederkaufverhalten. Wer den CLV aus einer Wachstumsphase hochrechnet, rechnet mit den falschen Kunden.
So rechnest Du es in Deinem Shop nach
Du brauchst dafür keine Fachkraft für Datenanalyse, sondern einen Bestellexport mit vier Spalten: Kundenkennung, Bestelldatum, Bestellwert und Status.
Erstens: Bestellungen ohne Kundenkennung sowie stornierte und annullierte Bestellungen aussortieren. Zweitens: Je Kunde die erste Bestellung bestimmen und nach dem Jahr dieser ersten Bestellung gruppieren. Drittens: Je Jahrgang zählen, wie viele innerhalb von 30, 90, 365 und 730 Tagen ab der ersten Bestellung erneut bestellt haben. Fenster, die noch nicht abgelaufen sind, offen lassen. Viertens: Den durchschnittlichen Bestellwert getrennt nach erster, zweiter, dritter und vierter Bestellung berechnen und auf die erste Bestellung indexieren. Fünftens: den Median der Tage zwischen erster und zweiter Bestellung bilden.
Zur Einordnung Deiner Werte, gemessen an diesem Shop: rund 7 Prozent binnen 30 Tagen, 22 bis 24 Prozent binnen 90 Tagen, 38 bis 41 Prozent binnen eines Jahres. 20 Prozent binnen 90 Tagen wären in diesen Daten ein normaler Wert. 20 Prozent binnen zwei Jahren wären schwach.
Die ausführliche Auswertung mit allen Kohortentabellen, den Nachkaufintervallen und der vollständigen Methodik findest Du hier.
Was diese Rechnung nicht kann
Sie liefert keinen Deckungsbeitrag je Kunde. Dafür bräuchtest Du zusätzlich Retouren, Rabatte und Versandkosten je Bestellung. Solange die fehlen, rechnest Du mit Umsatz, nicht mit Gewinn, und eine Kundenbeziehung mit hoher Retourenquote kann trotz gutem CLV Verlust bringen.
Sie sagt außerdem nichts über Ursachen. Dass die Wiederkaufquote steigt, während eine E-Mail-Strecke läuft, beweist nicht, dass die Strecke der Grund ist. Für Ursachen brauchst Du Tests, nicht Kohorten.
Und sie ist ein Shop. Die Größenordnungen dürften für Supplements und ähnliche Verbrauchsprodukte übertragbar sein. Für Mode oder langlebige Güter sind sie es nicht.
In eigener Sache
Ich verdiene mein Geld mit der laufenden Betreuung von Onlineshops, und Wiederkauf ist der Bereich, in dem wir arbeiten. Dieser Beitrag ist insofern nicht neutral, und Du solltest ihn entsprechend lesen.
Deshalb der ehrliche Zusatz: Unterhalb von etwa 30.000 € Monatsumsatz lohnt sich dafür keine externe Betreuung. Vier bis fünf E-Mail-Automatisierungen, einmal im Monat selbst angesehen, holen den größten Teil des Effekts. Zur eigenen Position wird das Thema erfahrungsgemäß erst ab rund 80.000 € Monatsumsatz.
Fazit
Die Standardformel für den Customer Lifetime Value ist nicht falsch, aber sie ist mit den falschen Eingaben gefüttert. Ein Mittelwert über eine Kundschaft, von der 59 Prozent genau einmal kaufen, beschreibt niemanden. Eine Kundenlebensdauer in Jahren lässt sich nicht messen, solange sie läuft. Und ein konstanter Warenkorbwert existiert in den Daten nicht, weil er mit jeder Bestellung steigt.
Was funktioniert, ist unspektakulärer und dafür nachprüfbar: Kohorten statt Mittelwerte, Zeitfenster statt Lebensdauer, Index statt fester Beträge. Das Ergebnis ist keine einzelne schöne Zahl, sondern eine Tabelle. Aber es ist eine Tabelle, in der Du siehst, wo Du stehst.
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Mehr Informationen
